import os
import requests
from PIL import Image
from io import BytesIO
import pandas as pd
from multiprocessing import Pool
def download_image(url_caption_tuple):
url, caption = url_caption_tuple
try:
response = requests.get(url)
if response.status_code == 200:
img = Image.open(BytesIO(response.content))
img_name = url.split("/")[-1]
img.save(os.path.join('images', img_name))
return img_name, caption
else:
return None, None
except Exception as e:
print(f"Error downloading {url}: {e}")
return None, None
def process_csv_file(file_path):
df = pd.read_csv(file_path)
url_caption_list = df[['url', 'caption']].values.tolist()
results = [download_image(item) for item in url_caption_list]
img_caption_data = [result for result in results if result[0] is not None]
return img_caption_data
def main(folder_path):
if not os.path.exists('images'):
os.makedirs('images')
csv_files = [os.path.join(folder_path, filename) for filename in os.listdir(folder_path) if filename.endswith(".csv")]
with Pool(processes=10) as pool:
results = pool.map(process_csv_file, csv_files)
all_results = [item for sublist in results for item in sublist]
df = pd.DataFrame(all_results, columns=["Image Name", "Caption"])
df.to_excel('image_captions.xlsx', index=False)
if __name__ == "__main__":
folder_path = "path_to_your_csv_folder"
main(folder_path)
下载图片函数 (download_image):
接收一个包含 URL 和 caption 的元组。
使用 requests 下载图片并保存。
返回图片名和 caption,如果下载失败则返回 None, None。
处理 CSV 文件函数 (process_csv_file):
使用 pandas 读取 CSV 文件。
下载每个 URL 对应的图片并返回结果。
返回包含图片名和 caption 的列表。
主函数 (main):
检查并创建保存图片的目录。
获取所有 CSV 文件路径。
使用进程池并行处理每个 CSV 文件。
合并所有结果并保存到一个 Excel 文件中。